标签
本文介绍了Neuro-JEPA，一个基础模型，它使用潜在预测目标和混合专家架构来编码跨T1w、T2w和FLAIR序列的脑部MRI扫描，并在包含155万次扫描的大型数据集上进行了预训练。
本文评估了开源权重的大语言模型LLaMA 3.1在从荷兰语脑部MRI报告中自动提取结构化数据方面的表现。该模型在视觉评分方面取得了高性能，并准确检测了发现结果，而少样本提示改进了对数值变量的提取。
FlowLet是一个条件生成框架，通过在可逆小波域中使用流匹配生成基于年龄条件的3D脑MRI，高效改善低代表性年龄组的脑龄预测准确性。
WaveDiT是一个条件流匹配框架，用于全分辨率3D脑MRI合成，在小波系数空间中运行，能够在标准GPU上高效生成，无需有损潜在压缩。它实现了与真实MRI分布及下游任务更好的对齐。